-
题名基于CNN网络和多任务损失函数的实时叶片识别
- 1
-
-
作者
蔡兴泉
涂宇欣
葛亚坤
杨哲
-
机构
北方工业大学信息学院
-
出处
《系统仿真学报》
CAS
CSCD
北大核心
2020年第7期1279-1286,共8页
-
基金
国家自然科学基金(61503005)
北京市社会科学基金(19YTC043)
北方工业大学毓优人才培养项目(NCUTYY08)。
-
文摘
针对传统叶片识别易受环境干扰,难以实现复杂背景下的多叶片实时识别问题,提出一种基于CNN网络和多任务损失函数的实时叶片识别方法。采用CNN网络提取叶片图像特征图,输入到RPN网络生成区域候选框;依据特征图和区域候选框,提取候选框特征图,分别进行叶片分类和边界框回归,预测叶片类别和叶片预测框的定位;利用多任务损失函数约束分类和回归,来提高叶片分类和回归的准确率和运算速度。实验结果表明,该方法的平均实时叶片识别准确率为91.8%,平均实时识别速度为25 fps。
-
关键词
叶片识别
特征图
CNN网络
多任务损失函数
区域候选框
-
Keywords
leaf recognition
feature map
CNN network
multitask loss function
region proposal
-
分类号
TP391.9
[自动化与计算机技术—计算机应用技术]
-
